科研就像藝術(shù)品，一副好的藝術(shù)品需要多方打磨才能等到出品的那天。科研是個圈，只有不斷學(xué)習(xí)不同的思路和技術(shù)才會有好的靈感和啟發(fā)。因此，不停地去學(xué)習(xí)、去“觀摩”、去思考其他成功的經(jīng)驗分享，可能突然一瞬間你的思路就會開始靈光乍現(xiàn)！

前方是一大波大佬們的發(fā)文經(jīng)驗值待查收??！

蛋白組+代謝組聯(lián)合研究思路

蛋白質(zhì)組和代謝組的關(guān)聯(lián)分析，主要分為以下兩個方面：

1.基于通路層面的聯(lián)合分析：

通過KEGG 代謝通路將蛋白質(zhì)組和代謝組數(shù)據(jù)聯(lián)合起來，找到同一生物進(jìn)程（KEGG Pathway）中發(fā)生顯著性變化的蛋白質(zhì)和代謝物，快速鎖定關(guān)鍵蛋白和代謝物。再結(jié)合富集分析、KEGG通路標(biāo)色等實現(xiàn)關(guān)聯(lián)結(jié)果的可視化。

2.基于表達(dá)層面的聯(lián)合分析：

通過差異表達(dá)蛋白和代謝物的表達(dá)量數(shù)據(jù)進(jìn)行聯(lián)合分析，找出具有同步變化規(guī)律的差異蛋白和代謝物，在結(jié)合相關(guān)系數(shù)矩陣熱圖、相關(guān)性分析聚類熱圖、相關(guān)系數(shù)調(diào)控網(wǎng)絡(luò)圖進(jìn)行個性化的分析。

基本研究流程

相關(guān)性分析

研究一般選擇感興趣或者豐富高的蛋白質(zhì)與代謝物進(jìn)行相關(guān)性分析。根據(jù)蛋白質(zhì)和代謝物的定量豐度值，計算兩者的相關(guān)性。熱圖能很好的將數(shù)據(jù)進(jìn)行質(zhì)量控制，展示差異數(shù)據(jù)，從信息挖掘內(nèi)容上提供了蛋白質(zhì)和代謝物相互關(guān)聯(lián)和相互作用的線索。熱圖展示了豐度前30的蛋白質(zhì)與代謝物的豐度相關(guān)性：

圖中橫坐標(biāo)為代謝物，縱坐標(biāo)為蛋白。按正相關(guān)系數(shù)最高篩選的蛋白質(zhì)和代謝物構(gòu)建的熱圖，靠近正值顏色即為正相關(guān)，而靠近負(fù)值顏色即為負(fù)相關(guān)。

此外，用蛋白質(zhì)和代謝物相關(guān)性網(wǎng)絡(luò)圖也可以更直觀的顯示兩者相互作用關(guān)系。圖中蛋白質(zhì)和代謝物的顏色見圖注，紅色連線表示正相關(guān)，綠色連線表示負(fù)相關(guān)，連線長度和相關(guān)系數(shù)絕對值成正比，如下：

各組差異比較

各組差異相關(guān)性是將組別比較中差異顯著的蛋白質(zhì)和代謝小分子的豐度值進(jìn)行相關(guān)性的計算，進(jìn)一步提示蛋白質(zhì)豐度調(diào)節(jié)和代謝物響應(yīng)變化的協(xié)同性。

下圖為兩組比較中前30個負(fù)相關(guān)物質(zhì)的熱圖，其中，橫坐標(biāo)為代謝物，縱坐標(biāo)為蛋白。按負(fù)相關(guān)系數(shù)最高篩選的蛋白質(zhì)和代謝物構(gòu)建的熱圖，通過藍(lán)色方塊的色度以及方塊中的數(shù)值顯示負(fù)相關(guān)的強度。熱圖上側(cè)和左側(cè)分別標(biāo)示了代謝物和蛋白質(zhì)的上調(diào)或下調(diào)分析結(jié)果。

蛋白質(zhì)和代謝物的相互關(guān)聯(lián)分析為新的調(diào)節(jié)作用和機制研究提供線索。

蛋白和代謝聯(lián)合KEGG注釋

KEGG 是了解高級功能和生物系統(tǒng)（如細(xì)胞、生物和生態(tài)系統(tǒng)），從分子水平信息，尤其是大型分子數(shù)據(jù)集生成的基因組測序和其他高通量實驗技術(shù)的實用程序數(shù)據(jù)庫資源。將實驗鑒定到的蛋白/代謝物與差異蛋白/代謝物的數(shù)據(jù)進(jìn)行KEGG注釋，并得到所有通路的map結(jié)果。

下圖是一個代謝通路，綠色框表示該蛋白在實驗中是下調(diào)的，而紅色則為上調(diào)蛋白，圓圈是代謝物。

通過KEGG將蛋白值信息和代謝物信息共同整合到已有的KEGG通路中，從兩個層次獲得的研究，相互驗證，證實了該通路被調(diào)節(jié)的情況。

案例分享一?

一篇發(fā)表于內(nèi)分泌學(xué)與代謝一區(qū)頂刊的磷酸化蛋白質(zhì)組學(xué)、LC-MS靶向代謝組學(xué)聯(lián)合研究方法策略文章，揭示新冠肺炎患者血糖異常升高的新機制及潛在的治療靶標(biāo)。

本文展示了目前蛋白質(zhì)組學(xué)和代謝組學(xué)聯(lián)合分析最常用的一種方法，為疾病組織樣本和健康對照差異蛋白質(zhì)組學(xué)研究的基礎(chǔ)經(jīng)典思路，按照差異蛋白質(zhì)識別和篩選→多層次聚類分析→信號與功能通路富集→差異蛋白質(zhì)功能互作關(guān)系分析的步驟對差異蛋白質(zhì)數(shù)據(jù)信息進(jìn)行挖掘，闡明病理狀態(tài)下的異常生物學(xué)現(xiàn)象；

案例分享二?

免疫學(xué)TOP期刊運用LC-MS非靶向代謝組學(xué)、GC-MS非靶向代謝組學(xué)、DIA蛋白質(zhì)組學(xué)聯(lián)合研究方法，探究甲狀腺毒癥小鼠的衰老特征：營養(yǎng)不良，免疫衰老與脂毒性。

文章通過研究小鼠甲狀腺毒癥與衰老的關(guān)系，采用LC-MS、GC-MS非靶代謝組學(xué)及DIA蛋白質(zhì)組學(xué)結(jié)合的方法，分析內(nèi)源性代謝組和血清蛋白質(zhì)組的變化。首先檢測甲狀腺毒癥小鼠的血清蛋白和脂質(zhì)代謝物等，并從營養(yǎng)、代謝、免疫、內(nèi)分泌角度分析甲狀腺毒癥與衰老疾病的關(guān)系。研究發(fā)現(xiàn)脂質(zhì)代謝紊亂、營養(yǎng)不良、免疫衰老和脂毒性，是引發(fā)衰老相關(guān)疾病的機制。通過本研究不僅可用于衰老相關(guān)疾病的預(yù)防，也可用于新藥的研發(fā)。

案例分享三?

發(fā)表于藥學(xué)一區(qū)的LC-MS+GC-MS雙平臺代謝組學(xué)聯(lián)合研究文章，對中醫(yī)藥研究通過抗炎和抗氧化作用預(yù)防及延緩糖尿病視網(wǎng)膜病變發(fā)展的機制研究。

文章通過對中藥處方—益氣通絡(luò)方改善糖尿病病理方面的深入研究，表明在預(yù)防及治療方面和微觀層面均起到了顯著效果。同時，也探究出益氣通絡(luò)方的內(nèi)在作用機制。也為糖尿病視網(wǎng)膜病變的早期治療，提供顯著、有效的治療方法。其中LC-MS+GC-MS雙平臺代謝組學(xué)有助于對中藥成分進(jìn)行全面的分析，為藥物機制提供參考。